CORE：一种基于复空间回归与嵌入的知识图谱实体类型预测方法
机器学习
2022-04-12 v1 人工智能
社会与信息网络
摘要
实体类型预测是知识图谱（KG）研究中的一个重要问题。本文提出一种新的 KG 实体类型预测方法，名为 CORE（COmplex space Regression and Embedding，复空间回归与嵌入）。所提出的 CORE 方法利用了两个复空间嵌入模型——即 RotatE 与 ComplEx 模型——的表达能力。它使用 RotatE 或 ComplEx 将实体与类型嵌入到两个不同的复空间中。随后，我们推导出一个复回归模型来连接这两个空间。最后，引入了联合优化嵌入与回归参数的机制。实验表明，在代表性的 KG 实体类型推断数据集上，CORE 优于基准方法。本文还分析了各种实体类型预测方法的优势与不足。
引用
@article{arxiv.2112.10067,
title = {CORE: A Knowledge Graph Entity Type Prediction Method via Complex Space Regression and Embedding},
author = {Xiou Ge and Yun-Cheng Wang and Bin Wang and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2112.10067},
year = {2022}
}